王雪梅 邹雪兰
摘 要:随着5G互联网的发展,对快速增长数据量的管理和应用已经运用到多个领域,其中包括医疗、家用电器、交通运输、军事导航、金融市场。计算机专业课程在大数据的核心概念理解中起到至关重要影响。以“数据结构”课程改革为例,为了适应多样化的授课方式,通过信息化技术手段拓展学习时空,实施个性化、分层次教学。该文分析了线上教学遇到的问题,并提出了相应的改革方案,最后,用数据证明学生听课效果提高明显。
关键词:线上教学 数据结构 探索实践 互联网+ 课程改革
中图分类号:G807 文献标识码:A文章编号:1672-3791(2020)11(a)-0021-03
Exploration and Practice of Online Teaching Mode Based on Internet + and Data structure
WANG Xuemei ZOU Xuelan
(School of Media Engineering, Communication University of Zhejiang, Hangzhou, Zhejiang Province, 310018 China)
Abstract: With the development of 5G Internet, the management and application of fast-growing data has been applied to many fields, such as medical treatment, home appliances, transportation, military navigation, financial market. Computer courses play an important role in understanding the core concepts of big data. Taking the curriculum reform of data structure as an example, in order to adapt to the diversified teaching methods, we should expand the learning time and space by means of information technology, and implement personalized and hierarchical teaching. This paper analyzes the problems encountered in online teaching, and puts forward the corresponding reform plan. Finally, the data proves that the effect of students' listening to the class has improved obviously.
Key Words: Online teaching; Data structure; Explore and practice; Internet ; Curriculum reform
隨着5G时代的到来,大数据的应用已经受到广泛关注,其中包括军事导航、家用电器、交通运输、医疗、金融市场等多个领域中。计算机专业课程对大数据关键技术的理解和使用都尤为重要,譬如数据结构算法与分析、操作系统原理与应用、嵌入式系统开发等。
同时,数据结构算法课程在计算机专业教学中所处地位也是至关重要的。美国IEEE和ACM的教学计划中,数据结构与算法分析类课程作为计算机及电子应用技术的相关学科的本科必修基础课程。后续多门计算机专业课,譬如操作系统原理与应用、嵌入式系统开发、人工智能、机器学习等课程都是以数据结构算法的思想和概念作为课程基础。这门课又是将数学与计算机、计算机软件与硬件、计算机理论与上机实践融合在一起的一门学科。而且,计算机相关专业的学生毕业后,无论从事研发工作还是进修深造过程中,数据结构算法课程的内容都是必不可少的基础知识。
线上教学不受时间、地域限制,没有传统课堂教学的人数限制,充分利用了现代化信息技术,教学形式灵活多样。
1 线上教学存在的问题
数据结构理论知识较抽象,难以理解和掌握,涉及的选修课知识多,在学生的学习中存在一些问题。数据结构采用线上教学过程中遇到常见的问题如下。
1.1 网络教学打破学生传统学习方式
线下教学时学生可在课前预习或课中学习时,把重难点在书上勾画出来,方便课程后期的复习。而线上教学,学生没有实体教材,只能阅读电子书籍、参考电子课件,观看平台提供或教师自己录制的视频。
1.2 不能及时有效地掌握学生的学习情况
数据结构涉及先修课程知识多,如果掌握不好,对接下来的课程影响较大。线下教学时通过简单的课堂提问,可以从学生回答问题情况及时了解学生对某知识点掌握情况,以此调整授课方式,对所需知识点进行补充或扩展。线上教学通过教师提问的方式只能了解少数几个学生的听课情况,如果教师与学生互动过多,耗时较多会影响教学进度。
1.3 重点不突出,学生学习较为盲目
每次上课前已将纲要发给学生,让学生有重点地去听课,经过一周学习后发现学生学习效果不好。
1.4 线上学习时间过长
根据调查,线上教学时多数教师采用的教学方法是通过平台提供的视频或者教师提供自己录制的讲课视频,让学生在课下提前进行自主学习,等到上课时间再次进行线上答疑讲解。学生学习花费时间几乎超过线下教学课时量的2倍。
总之,如果仅采用学生平台和教师视频播放、教师课堂答疑,或是仅教师进行课堂直播,都不能达到线下课堂教学效果。
2 解决方法
为了保障线上数据结构课程的教学质量,针对上述问题,我们提出以下解决方案。
2.1 及时掌握学生学习情况
提前把下节课内容中涉及到先修课程的知识点,采取一个知识点对应一个电子课件,一个知识点对应一个微视频形式,在慕课堂进行上传。让每个学生根据自己不清楚的知识点提前预习,有选择性播放。同样在每节课后,及时发放自测单,要求学生在规定的短时间内完成。线上课程结束后通过完成的自测单答题情况、提问反思等方式反馈学习结果,有效掌握学生课前和课后的学习情况。在接下来的线上讲授课堂中,对学生理解得不透彻的知识点进行讲授。
2.2 课程选择及有效的线下预习复习
教师要针对学生特点,有选择性地发布MOOC中引用的课程内容。如果平台上所选择课程的某节课内容不适合学生,教师应自己录制相应视频并上传平台。课前把标记好重点的电子书发给同学,方便同学预习;课后把每个重要知识点及典型例题详细讲解用电子文档形式发送给同学,方便同学复习。课堂作业试题讲解后,再把每一道题采用视频或音频的形式上传到SPOC视频库中。学生可以根据自己的情况,有选择性地进行课前和课后音/视频学习。
2.3 重点突出,带着问题听课
在每节课用20 min时间,对视频学习知识点的串联、把下节课程视频中的重点难点简单讲解,且提出问题,让学生带着问题听课。课后学生可提出问题,带着疑问来到课堂,在课堂上能得到充分解惑,使其保持学习连贯性,为进一步学习扫清障碍。该课程的编程练习、测试和作业在中国大学SPOC和PTA上进行。
2.4 优化教学手段
在教学过程中综合运用问题导向、项目驱动及案例教学等教学方法,从现实生活中的实际问题入手,引导学生主动探求答案,培养学生动手解决实际问题的应用能力,让学生变被动学习为主动探究。
动态幻灯片及动画的使用可以增加学生对数据结构算法中抽象的概念和复杂算法的进一步理解,将算法和理论直观化,达到以提高学生的学习兴趣,进而提高教学效率和教学质量。
引入浙江大学的ACM练习平台,组织学生积极参数学建模竞赛、ACM国际大学生程序设计竞赛等竞赛项目。以赛促建,培养学生的创新实践能力。
2.5 实施多维度评价方式改革
整个教学过程中,从多维度对学生的学习课程进行成绩评判,学生对成绩的计算方法清晰明了。用成绩可以促进学生的学习积极性,可以更好地管控学生的学习动态。线上教学过程中的考核方式可以根据学生签到情况、线上参与讨论和发言的情况、每次小测的成绩、课程的视频或音频观看时间长短、作业提交和回答情况等多个要素作为数据结构课程平时成绩的组成部分。每次测试后除了及时公布考试答案和成绩外,教师还要做一个学生对课程意见反馈的调查。
3 教学效果
用上述提出的教学方法后,学生上课听课情况明显转好。图1给出的数据结构课程线性结构部分在PTA上测试情况统计。图2给出3周學习后,在树这部分的分数统计情况,根据与图1的比较,可以明显地看出,学生的学习成绩提高比较明显。表1给出了学生到课情况和观看直播课程时间,从PTA的测试成绩及直播课堂平台的出勤统计情况比较来看,学生的到课情况与测试的成绩基本一致。
4 结语
“数据结构”课程在线上教学模式改革实施以来,通过统计学生测试情况、出勤情况、评教分数、分析平台上的学生留言等方法对教学效果进行了调研,大部分学生反映课程资源丰富,课程设置更为灵活,对知识点的学习更加深入透彻。学生对数据结构课程的学习兴趣比传统授课模式要高,教学实践证明教学改革模式是可行的、科学的,激发了学生的学习兴趣,提高了学习主动性,对计算机专业的线上教学提供了一定的经验和指导意义。
参考文献
[1] 任雪萍.基于线上线下融合的数据结构教学改革[J].计算机教育,2019(7):5-9.
[2] 程敏,郭乐江,涂文婕,等.两结合四步走的大学计算机基础课程教学设计[J].计算机教育,2020(3):88-91.
[3] Adedoyin A, Kapetanakis S, Petridis M, et al. Evaluating case-based reasoning knowledge discovery in fraud detection[C]//ICCBRWorkshops, Spinger, Germany.2016:182-191.
[4] Tomasic I,Funk P.Potential synergies between case-based reasoning and regression analysis in assembly processes[C]//Workshop Proceedings of the Twenty-Second International Conference on Case-Based Reasoning,Spinger,Germany.2014:192-201.
[5] 金望智.翻转课堂与传统教学模式的比较研究[D]. 江西科技师范大学,2019.
[6] 许宁.基于云平台的翻转课堂教学设计与应用研究[D].山西师范大学,2019.